基于PLC控制的远程故障诊断系统

　　摘要：当今工业控制现场的设备的特点是自动化、复杂化和连续化，为了保证现场人员的人身安全同时为使这些设备的正常、可靠、高效地运行，有必要监测可诊断这些现场的设备。该文基于传统故障诊断理论和现代故障诊断理论，应用故障树分析(FTA)建立了胎面线控制系统的故障诊断模型。
　　关键词：PLC控制；远程；故障诊断
　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)27-6759-02
　　故障诊断技术在不同的应用程序的发展过程中， 并结合不同学科以及在不同的领域内相互结合而形成了多种故障诊断方法[1-2]。一般来说，现有的故障诊断方法是基于人工智能的故障诊断和传统故障诊断方法，传统的故障诊断方法可分为基于信号处理的方法和基于解析模型的方法。在每个诊断方法都有其特定的诊断方法。
　　基于信号处理的方法，通常使用如相关函数，频谱，自回归移动平均，小波变换等信号模型，可以直接分析测量的信号，获得如方差，幅度，频率和其他特征值来检测出故障。该方法简单，易于实现，但容易出现误判和漏判，这主要的原因是在与故障和设备故障之间难于区分[3]。基于模型的方法分析，它的基础是明确诊断对象的数学模型，根据一定的数学方法对被测信息进行处理。
　　近年来，由于人工智能技术的飞速发展，在诊断应用领域特别是知识工程，专家系统和人工神经网络的到了广泛的应用和发展，基于人工智能的故障诊断方法获得了一个更深入，系统的研究[4]。这主要有故障诊断专家系统方法，模糊的故障诊断方法，故障树故障诊断方法，基于案例的故障诊断方法，神经网络故障诊断和数据融合的故障诊断方法。这些方法代表了故障诊断的发展方向，都不需要一个准确的诊断对象的数学模型，但它们都具有一些“智能”的特点。目前，是基于知识的专家系统和基于神经网络的智能诊断系统是人工智能故障诊断领域最活跃的两种方法。人工智能专家系统是一个模仿专家的推理过程的仿计算机模型，利用人类专家的专门知识和方法解决那些只有专家才能在现实生活中解决复杂的问题，实际上是一个计算机程序系统。
　　1 故障树分析法
　　1.1 故障树分析法简介
　　故障树分析是在一定条件下发生故障时的逻辑推理方法，同时也是一个图形演绎方法。它可以找出基本的故障以及故障所导致的影响和形成的几率。将故障树的顶端事件找出来，根据规定的逻辑符号，自上而下的分析那些形成故障的原因以及这些故障之间的关系，从而逐渐在深入的分析，直到找到事故发生的最基本的原因，直至找到故障树底事件的根本原因 。
　　解决在一定条件下一些故障发生的概率可以进行定量分析，找到基本的事件也就是导致故障的主要因素的概率，这些因素的重要作用在于研究故障，故障预测。故障树分析系统故障原因的形成是是一个复杂的动态系统设计，它把故障的原因由整体到部分逐渐以树枝状不断的细化同时也是机械零件失效形式的可靠性分析工具。使用故障树分析的方法的目标是通过此方法找到系统的薄弱环节，使系统的安全性和可靠性得以提高而并不完全是为了得到顶事件发生的概率。
　　1.2 故障树模型的知识表示
　　一个正向的因果链是有故障树上的一个子点和其父节点共同形成的，故障树子节点和父节点之间是确定性的因果关系，父节点的故障源是子节点，如果发生子事件，那么就会发生父事件，可以表示为IF子事件Then父事件，所以在表示故障树的因果关系时可以借用经验规则的IF – THEN的形式。我们把故障树模型中的IF - THEN称为广义的规则。广义的规则分为正向的广义规则和反向广义规则，因为基于故障树模型的诊断是通过搜索引擎的逆断层搜索 ，所以故障树上的信息可以用反向广义规则来表示，统称广义规则，以下简称为规则。
　　故障树的框架和基于混合知识表示一般规则。所谓面向故障树，故障树看做是一个对象，框架的每个槽与一个相应的广义规则对应，此树的相关信息存在于一个独立的框架中。
　　故障树是一个有向树有有向边或多条有向边并且它们分别对应一个广义的规则，广义规则的前提是故障树的某个父节点，某个子节是这个广义规则的结论是这个父节点，所以广义规则如下 ：
　　（Rule n ωnIF(c) THEN (